Sicherheitsaudit bei EduTrainer: Entwickler entdeckt versteckte Schwachstellen im Service-Code
Ein Entwickler hat den Bildungsdienst EduTrainer überprüft und dabei Schwachstellen im Admin-Panel, unvollständige Löschmechanismen sowie undokumentierte KI-Datenweitergabe aufgedeckt.

Anfang November führte ein Entwickler hinter der Bildungsplattform EduTrainer ein internes Code-Audit durch, um versteckte architektonische und logische Probleme aufzudecken. Obwohl die Plattform reibungslos lief, Tests bestanden wurden und Systemprüfungen positive Ergebnisse lieferten, offenbarte die Inspektion der Codebasis erhebliche Diskrepanzen zwischen den Versprechen der Benutzeroberfläche und dem Verhalten im Backend.
- Das Audit deckte Sicherheitslücken im Mitarbeiter-Admin-Panel, unvollständige Löschungen von Benutzerdaten und unangekündigte Datenweitergaben an KI-Anbieter auf.
- Geheimnisse für die Zwei-Faktor-Authentifizierung (TOTP) von Mitarbeitern wurden im Klartext ohne Verschlüsselung in der Datenbank gespeichert.
- Der Entwickler behob diese architektonischen Mängel, aktualisierte die Datenschutzrichtlinie und fügte eine umfassende Testabdeckung hinzu.
Sicherheitslücken im Mitarbeiter-Panel und TOTP-Geheimnisse im Klartext Eine Überprüfung der Middleware offenbarte eine Schwachstelle beim Zugriff auf Mitarbeiter-Routen. Anfragen, die mit dem Präfix /staff/ begannen, umgingen die Prüfung der Zwei-Faktor-Authentifizierung (TOTP), was bedeutete, dass ein kompromittiertes Mitarbeiterpasswort ausreichte, um vollen Zugriff zu erhalten. Darüber hinaus zeigte eine Untersuchung des StaffTOTP-Modells, dass 2FA-Geheimschlüssel direkt und unverschlüsselt im Klartext in der Datenbank abgelegt wurden.
Unvollständige Datenlöschung und Diskrepanzen in der Datenschutzerklärung Zwar entfernte die Funktion zum Löschen von Konten die Profildaten aus der Benutzeroberfläche, jedoch verblieben vollständige Texte von Schüleraufsätzen, Prüfungsversuchen und anderen Bildungsartefakten in der Datenbank. Darüber hinaus verfolgten Analyseskripte Benutzer vor der Einholung einer ordnungsgemäßen Einwilligung, und die automatisierte Aufsatzprüfung sendete vollständige Schülertexte an KI-Modelle von Drittanbietern (OpenAI, DeepSeek, GigaChat), obwohl die Datenschutzdokumentation etwas anderes versprach.
Technische Korrekturen und Lehren für Entwickler Neben Logikfehlern wurden auch infrastrukturelle Schwachstellen behoben. Dazu gehörten die Korrektur eines CSV-Importmechanismus, der komplette Dateien ohne Größenbeschränkung in den Arbeitsspeicher lud, sowie die Anpassung des Fallback-Verhaltens beim Rate-Limiting während Redis-Ausfällen. Dieses Audit verdeutlicht, wie wichtig es ist sicherzustellen, dass der tatsächliche Code eines Systems mit seinen angegebenen Sicherheits- und Datenschutzgarantien übereinstimmt.
Quelle: Все публикации подряд на Хабре



